基于灰色聚类方法的电力系统安全评估

卿松 王晔 彭鹏

摘 要：随着经济发展和居民生活水平提高，安全用电方面的需求不断增长，电力系统的规模不断扩张；同时，新能源网络发展使电网的结构越来越复杂。另一方面，对电力系统安全的要求也越来越高。需要对其有一个科学的评估。本文基于灰色白化权函数聚类方法对电力系统安全进行评估，并通过对比电力系统实际运行情况，验证所提出电力系统安全评估方法的可信性与实用性。

关键词：灰色聚类分析；电力系统；安全评估

1 引言

中国经济的持续快速发展，客观上需要电力系统快速发展。另一方面，在国家大力号召积极开展能源互联网建设的背景下，人们越来越重视电力系统的安全稳定运行问题。近年来，不断发生的大面积停电事故使人们深刻认识到电力系统运行中大面积停电风险的存在。通过科学的安全评估识别潜在危险因素，降低电力系统运行风险，可有效减少大面积停电事故的发生。因此，电力系统安全运行评估受到了政府、电网企业以及科研领域的高度重视[1]。针对电力系统安全运行的评估理论大致经历了两个阶段：一个是可靠性评估阶段，一个是风险评估阶段。其中，风险评估分别是基于可靠性理论和基于风险管理的风险评估[2-5]。1968年，美国组建了NERC（National Electric Reliability Council），其制定的可靠性衡量标准给电力系统可靠性评估提供了理论基础[6]。1983年，中国电机工程学会和电工技术学会也相继成立了可靠性专业委员会和管理中心，开展大规模发电、输电和配电系统的可靠性统计工作[7]。

灰色系统理论作为一个专门研究“小样本”、“贫信息”不确定性系统的理论方法，1982年由我国华中科技大学邓聚龙教授提出。由于该理论适合于研究“部分信息已知，部分信息未知”的系统的预测、决策、聚类、关联、控制等问题，已经被广泛应用到多个领域解决实际问题[9， 10]。其中的灰色聚类被用于进行聚类评估和决策问题[11-16]。按照聚类对象进行划分，灰色聚类方法可以分为两类：即灰色关联聚类和灰色白化权函数聚类。本文使用后者对电力系统安全风险进行评估。

2 灰色聚类分析法

不同于传统数据挖掘中的聚类方法，灰色白化权函数聚类，是根据某些特定的观测指标的观测值，由领域专家构建白化权函数，将其划分成若干个可定义类别的一种方法[12]。灰色白化权函数聚类适合于系统结构复杂、不确定性高、有效信息缺乏的系统聚类。而现代的电力系统属于这一类系统，所以，我们选择灰色聚类方法进行电力系统的安全评估。

灰色变权聚类适用于指标的意义、量纲相同的情形，所以本文选择灰色变权聚类方法。

3 案例分析

3.1数据分析

在本文的案例研究中，我们选择广东省，新疆省，北京市的电力系统安全评估的数据。在评估指标方面，参考文献[20-23]研究结果，选择9个评估指标来进行案例分析，如表1所示。

使用灰色白化权函数来确定所属灰类，具体步骤如下所示：

（1）确定白化权函数值矩阵 。我们选择表1提到的9个重要指标来评估3个省电力系统的安全风险。

基于上述指标体系和三个省份的数据，考虑到一些专家的意见和使用适当的数据转换方法，我们将得到的最终结果展示如下：

（2）获得白化权函数 。根据评估标准，我们将9个评估指标划分为三个灰类，指标j对于灰类k的白化权函数为： 。在这个实例中，我们选择上限白化权函数来衡量灰类为“高”，居中白化权函数来衡量灰类为“中等”，下限白化权函数来衡量灰类为“低”。得到的白化权函数如下所示：

根据上述白化权函数和第二部分提到的方法，得到如下的函数表达：

（3） 计算阈值 。考虑到专家经验和这些省份的历史数据，可以得到如下表2的阈值 。

（4） 计算聚类权重wi。根据专家经验和这些省份的历史数据，我们给定9个评估指标的权重如表3所示。

（5） 得到聚类系数，聚类向量和项目所属灰类。

根据公式（1），我们可以得到不同灰类下的聚类系数。根据以上结果，我们能得到聚类向量，接下来计算出相关项目所属的灰类，如表4所示。

3.2 结果分析

通过表4可以看到三个省份的聚类系数，分别为：广东省 =0.9375，新疆省 =0.8096，北京市 =0.9219都处于较高的安全风险中。按其风险程度，从高到低排序，其顺序是广东省>北京市>新疆省。通过对三个省份的电力系统进行实际情况分析可知以下几点。

（1）广东省电力系统较高的依赖外部区域；同时随着广东省电网的快速发展，产生大量电网建设和电网改造工作。所以在很长一段时间之内，电网运行方式都处于不断的调整和变化之中，也带来了更多的电网结构风险，影响到了电力系统的安全稳定运行。

（2）作为我国的首都，北京拥有大量的人口，造成较高的电力需求和电力负担。从计算可知，北京电网运行风险和关键二次设备风险较高，对电力系统安全风险影响较大。

（3）作为中国土地面积最大的省级行政区，新疆省其经济发展需要改善，电力技术相对落后，安全稳定控制系统及安全自动装置技术风险和直流偏磁风险需要更多的关注。

4 结论

电力系统大面积停电综合指数的计算结果能够反映出整个电力系统运行的安全风险水平，通过这些指标能够及时建立起政府和电力企业以及社会之间的联系，以便政府、社会以及电力企业合作完成大面积停电等事故预防的任务。本文提出了基于灰色聚类分析的电力系统安全评估方法，以丰富电力系统安全评估方法。

参考文献

[1] McCalley，J.D.，Vittal，V.，Abi-Samra，N.An overview of risk based securityassessment，in：Proceeding of IEEE Power

Engineering Society Summer Meeting，1999.Edmonton，Canada，1999.

[2] Billinton R， Li W Y. A hybrid approach for reliability evaluation ofcomposite generating and transmission systems using Monte Carlo simulationand enumeration technique. IEE Proceedings C， May 1991， 138（3）： 233-241.

[3] 李文沅.电力系统风险评估模型、方法和应用.北京：科学出版社，2006.

[4] 郭永基.加强电力系统可靠性的研究和应用-北美东部大停电的思考.电力系统自动化，2003，27（ 19）： 1-5.

[5] Dobson I， Chen J. Thorp J S， et al. Examining criticality of blackouts in power system models with cascading events. In proc. of 35th international conference on system sciences. Maui， Hawaii： 2002：7（10）.

[6] 冯永青，张伯明，吴文传，等.基于可信性理论的电力系统运行风险评估（一）运行风险的提出与发展.电力系统自动化.2006，30（1）：17-23.

[7] Ming Ni， McCalley， J.D.， Vittal， V. et al. Software implementation of online risk-based security assessment， IEEE Trans on Power Systems， 2003，18（3）：1165-1172.

[8] 刘思峰，郭天榜，党耀国，等.灰色系统理论及其应用.（第二版）.北京：科学出版社，2000.

[9] Liu S F， Lin Y. Grey information theory and practical applications. London： Springer Verlag， 2006：10-30.

[10] 邓聚龙.灰色系统理论教程.武汉：华中理工大学出版社，1992.

[11] Liu S F， Lin Y. Grey information theory and practical applications. Springer Verlag. London， 2006， 7-12.

[12] Deng J L. The Control problem of grey systems. Systems &Control Letter， 1982， 1（5）， 288-294.

[13] Chi G T， Cheng X Q， Wang L J. The society evaluation model based on grey clustering and its empirical study of cities under province. Chinese Journal of Management Science， 2010， 18（6）， 185-192.

[14] Li Z C. Clustering analysis on regional economic development level in Jiangsu Province. China Business， 2011，（03）， 13-14.

[15] Nie D. Cluster analysis on social and economic development level in Jilin Province. Changchun， 2006.

[16] Shamilov，Aladdin.A development of entropy optimization methods. WSEAS Transactions on Mathematics， May， 2006： 568-575.

[17] Abdou， Samir， Savoy， Jacques. Statistical and comparative evaluation of various indexing and search models. Lecture Notes in Computer Science.2006： 362-373.

[18] ZhuZ，ZhangL.A combination model and application for the water quality evaluation. Journal of Wseas Transactions on Systems， 2009（85）：628-637.

[19] CIGRE Task Force 38.03.12. Power system security assessment， a position paper， Electra， 1997，175：49-77.

[20]ChenQ. M.， JiangC. W.， QiuW. Z.， et al. Probability models forestimating the probabilities of cascading outages in high-voltage transmissionnetwork， IEEE Trans on Power Systems， 2006，21（3）：1423-1431.

[21]Dai， Y.，McCalley， J.D.， Abi-Samra， et al. Annual risk assessment for overloadsecurity. IEEE Trans on Power Systems， 2001， 16（4）：616-623.

[22] Hurdle EE， Bartlett LM， Andrews JD. Fault diagnostics of dynamic systemoperation using a fault tree based method. Reliability Engineering & System Safety， 2009，94（9）： 1371-1380.

[23] Chatzimouratidis Al， Pilavachi PA. Technological， economic and sustainabilityevaluation of power plants using the Analytic Hierarchy Process. Energy Policy， 2009， 37（3）：778-787.